🤖 machine learning

Deep ZakaiJ: Structured Filtering for Jump-Diffusion Time Series Forecasting

L'article propose Deep ZakaiJ, un cadre encodeur-décodeur neuronal qui intègre l'équation de filtrage non linéaire de Zakai pour prévoir efficacement des séries temporelles à sauts et diffusion partiellement observées en mettant à jour récursivement les croyances sur les états latents grâce à des étapes de propagation et d'innovation interprétables.

Auteurs originaux : Yan Leng, Thibaut Mastrolia, Hao Wang

Publié 2026-05-26

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yan Leng, Thibaut Mastrolia, Hao Wang

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayiez de prédire la météo, mais que l'atmosphère soit chaotique. Parfois, le vent souffle de manière régulière, mais occasionnellement, une tempête soudaine et violente frappe de nulle part. Dans le monde des données, on appelle cela un système à sauts-diffusion : un mélange de mouvement lisse et prévisible (« diffusion ») et de sauts soudains et choquants (« sauts »).

Le problème est que nous ne pouvons pas voir le « moteur » qui entraîne ces changements. Nous ne voyons que la météo (les données), pas les systèmes de pression atmosphérique cachés (les états latents) qui provoquent les tempêtes. Si vous essayez de prédire l'avenir uniquement sur la base de ce que vous voyez, vous serez pris au dépourvu par le prochain saut soudain.

Voici Deep ZakaiJ, un nouveau modèle d'IA conçu pour être un « détective de sur-prévision » pour ces systèmes chaotiques. Voici comment il fonctionne, décomposé en concepts simples :

1. Le Carnet d'enquête (L'encodeur)

La plupart des modèles d'IA se contentent d'examiner les données passées pour deviner l'avenir. Deep ZakaiJ est différent. Il maintient une « croyance » sur ce qui se passe dans l'ombre.

Imaginez cette croyance comme le carnet d'enquête d'un détective. Chaque fois qu'une nouvelle donnée arrive (comme une lecture de température), le détective met à jour son carnet. Mais au lieu de simplement griffonner des notes, Deep ZakaiJ utilise une méthode très spécifique et mathématiquement rigoureuse appelée l'équation de Zakai.

Pour faire fonctionner cette mathématique complexe à l'intérieur d'un réseau de neurones, les auteurs ont décomposé le processus de mise à jour en trois étapes distinctes et faciles à comprendre (comme une recette) :

Étape A : La Devinette (Propagation a priori) : Le détective fait une prédiction sur ce que l'état caché devrait faire ensuite, en se basant sur son comportement habituel.
Étape B : La Vérification Lisse (Innovation de diffusion) : Le détective examine les données. Si la météo a changé de manière lisse (comme une brise douce), il ajuste légèrement sa croyance pour correspondre à ce mouvement fluide.
Étape C : La Vérification du Choc (Innovation de saut) : C'est la partie spéciale. Si les données montrent un pic massif et soudain (comme un ouragan), le détective ne se contente pas d'ajuster les chiffres ; il réécrit radicalement sa croyance pour tenir compte de la possibilité qu'un « saut » vient de se produire.

En séparant ces étapes, le modèle peut réagir vivement aux chocs soudains sans se laisser troubler par les fluctuations normales.

2. La Boule de Cristal (Le décodeur)

Une fois que le détective a mis à jour son carnet (la « croyance filtrée »), il transmet ces informations au Décodeur.

Imaginez le Décodeur comme une boule de cristal qui est désormais informée. Parce qu'elle connaît l'état caché (par exemple, « une tempête se prépare »), elle ne se contente pas de deviner un seul chiffre pour le futur. Au lieu de cela, elle génère une carte de probabilité complète. Elle peut dire : « Il y a 90 % de chances que le prix reste stable, mais 10 % de chances qu'il s'effondre. »

Crucialement, cette boule de cristal est « structurée ». Elle ne se contente pas de lancer des fléchettes sur une cible ; elle respecte les lois de la physique et de la finance. Elle sait que les changements lisses et les sauts soudains sont des choses différentes, et elle les modélise séparément.

3. Les Résultats : Pourquoi c'est important

Les auteurs ont testé Deep ZakaiJ sur trois types de « météo » :

Données synthétiques : Un monde imaginaire où ils connaissaient les règles exactes. Deep ZakaiJ a parfaitement découvert les règles cachées.
Prix de l'or (XAU/USD) : Données financières réelles où les prix sautent à cause des actualités. Le modèle était meilleur pour prédire la plage des résultats possibles (l'incertitude) que d'autres modèles de pointe, même si sa prédiction ponctuelle était similaire à celle des autres.
Vagues océaniques (NDBC) : Données réelles provenant de bouées où les vagues peuvent soudainement s'emballer pendant les tempêtes. Là encore, le modèle a fourni des « intervalles de confiance » (plages prédictives) beaucoup plus fiables que ceux des concurrents.

La Conclusion

Deep ZakaiJ revient à donner à un prévisionniste météo une paire de lunettes à rayons X. Tandis que les autres modèles ne voient que les données de surface (la pluie), Deep ZakaiJ infère les systèmes de tempête cachés qui provoquent la pluie. En séparant mathématiquement les « changements lisses » des « chocs soudains », il construit une image plus précise et plus fiable de l'avenir, surtout lorsque les choses sont sur le point de mal tourner.

Ce que l'article ne prétend pas :
L'article ne prétend pas que ce modèle peut prédire les krachs boursiers avec une certitude de 100 %, ni qu'il prétend résoudre le changement climatique. Il indique simplement que, pour les séries temporelles comportant des états cachés et des sauts soudains, cette approche mathématique spécifique conduit à de meilleures prédictions, mieux calibrées, que les méthodes actuelles.

Résumé Technique : Deep ZakaiJ

Énoncé du Problème

Les données de séries temporelles dans des domaines tels que la finance et l'océanographie présentent fréquemment des discontinuités de saut abruptes, entraînées par des états latents non observés (par exemple, des chocs macroéconomiques ou des régimes de tempête). La prédiction de ces trajectoires est difficile car le moment et l'ampleur des sauts ne peuvent être déduits uniquement de l'historique observé.

Les approches existantes présentent des limitations significatives :

Modèles classiques de diffusion avec sauts : Bien que mathématiquement fondés (par exemple, les modèles de Merton), ils reposent sur des hypothèses paramétriques rigides et peinent à capturer des structures latentes complexes et non linéaires.
Modèles de sauts neuronaux : Les approches récentes d'apprentissage profond (par exemple, les Équations Différentielles Stochastiques à Sauts Neuronales ou Neural Jump SDEs) opèrent souvent sur des trajectoires entièrement observées, échouant à inférer les états cachés qui gouvernent la dynamique.
Modèles à état latent : Des méthodes comme les ODEs Latentes ou les CDEs Neuronales traitent les états latents comme des représentations implicites apprises via une inférence variationnelle amortie. Elles manquent d'un mécanisme d'update bayésien fondé pour gérer les temps d'arrêt totalement inaccessibles caractéristiques des processus de saut.
Extensions du filtrage de Kalman : Des modèles comme CRU et NCDSSM intègrent le filtrage de Kalman dans des architectures profondes mais sont limités à des dynamiques linéaires-gaussiennes, incapables de modéliser les non-linéarités inhérentes aux systèmes de diffusion avec sauts.

Il existe un besoin d'un cadre capable d'effectuer un filtrage non linéaire sur des régimes latents dans des systèmes de diffusion avec sauts partiellement observés, tout en restant différentiable et entraînable.

Méthodologie : Deep ZakaiJ

Les auteurs proposent Deep ZakaiJ, un modèle à état latent qui intègre l'équation de filtrage non linéaire de Zakai dans une architecture neurale encodeur-décodeur. Le cadre est conçu pour des systèmes partiellement observés où un processus observé $X_t$ est piloté par un état latent non observé $\Theta_t$ .

1. Fondement Théorique

Le modèle est construit sur l'équation de Zakai, qui décrit l'évolution de la loi conditionnelle non normalisée (filtre) de l'état latent étant donné les observations. En changeant de mesure vers une mesure de référence $Q$ où le processus d'observation est sans dérive, les auteurs dérivent une forme faible de l'équation de Zakai (Équation 3) qui fait évoluer la densité non normalisée $q_t(\phi)$ .

2. L'Encodeur Zakai

L'innovation centrale est une discrétisation par fractionnement de Strang de l'équation de Zakai, décomposant la mise à jour de la croyance en trois sous-étapes interprétables et différentiables :

Étape A (Propagation de l'a priori) : Propage l'a priori latent en utilisant un propagateur numérique (noyau de transition de Markov) dérivé du générateur latent. Une correction résiduelle apprise $R^A_\psi$ est ajoutée pour tenir compte des écarts de modèle et des biais numériques.
Demi-étape B (Innovation de diffusion) : Met à jour la croyance en fonction de la composante continue de l'observation. Elle effectre un repondération bayésienne en utilisant une approximation gaussienne locale de l'incrément continu.
Demi-étape C (Innovation de saut) : Met à jour la croyance en fonction de la composante de saut. Elle emploie une approximation « au plus un saut » valable pour de petits pas de temps, repondérant la posterior par rapport à un mélange d'hypothèses « aucun saut » et « saut survenu ». Cela permet au filtre de réagir nettement aux grandes dislocations.

L'encodeur met à jour récursivement la posterior non normalisée $q_k$ sur une grille latente fixe, extrayant une caractéristique de croyance de basse dimension $\beta_k$ pour la prévision. Les auteurs prouvent que cet encodeur discret atteint une précision globale d'ordre un par rapport à l'évolution exacte de Zakai.

3. Décodeur Structuré de Diffusion avec Sauts

Le décodeur est un modèle structuré qui paramétrise la distribution conditionnelle des incréments futurs étant donné l'observation actuelle, la croyance filtrée $\beta_k$ , et un état latent candidat $\theta$ .

Il dissocie explicitement les dynamiques continues (dérive $\mu$ , volatilité $\sigma$ ) des chocs discontinus (intensité de saut $\lambda$ , carte de taille de saut $\gamma$ ).
Des réseaux de neurones conditionnent ces coefficients sur l'observation et la caractéristique de croyance.
Approximation des petits sauts : Pour gérer les sauts d'activité infinie au sein d'une architecture discrète, le décodeur absorbe les micro-sauts (magnitude $<\epsilon$ ) dans des coefficients continus effectifs, ne traitant explicitement que les sauts macroscopiques lors de l'étape de filtrage.

4. Entraînement Joint

Le modèle est entraîné de bout en bout en maximisant un objectif par étapes combinant :

Vraisemblance de prévision : Le logarithme de la vraisemblance des incréments futurs sous la loi de diffusion avec sauts apprise.
Régularisation de filtrage : Un terme de divergence KL encourageant la posterior filtrée à rester proche de l'a priori (empêchant l'effondrement).

Les gradients sont rétropropagés à travers les opérations de fractionnement de Strang et les étapes de normalisation.

Contributions Clés

Encodeur Zakai : Une discrétisation de l'équation de Zakai via le fractionnement de Strang en trois étapes interprétables (a priori, innovation de diffusion, innovation de saut). Il fournit une approximation différentiable et d'ordre un de l'évolution exacte du filtrage pour les systèmes de diffusion avec sauts partiellement observés.
Décodeur Structuré : Un modèle de diffusion avec sauts explicitement conditionné par la croyance latente filtrée, préservant la séparation entre dynamiques continues et discontinues et apprenant un compensateur prévisible.
Validation Empirique : Des améliorations démontrées dans la qualité des prévisions distributionnelles (calibration et netteté) sur des ensembles de données synthétiques, financiers et océanographiques, tout en maintenant une précision ponctuelle compétitive.

Résultats Expérimentaux

Les auteurs ont évalué Deep ZakaiJ sur :

Données Synthétiques : Un processus de diffusion avec sauts partiellement observé avec une vérité terrain connue.
Données Financières : Prix de clôture XAU/USD (Or contre USD) toutes les 10 minutes.
Données Océanographiques : Observations de hauteur de vagues (WVHT) par la NOAA/NDBC.

Performance :

Qualité Distributionnelle : Deep ZakaiJ a constamment surpassé les modèles de référence (y compris les SDEs Latentes, les Neural Jump SDEs et des modèles de base comme Chronos) en termes de CRPS (Score de Probabilité Classé Continu) et de Log-Vraisemblance.
Calibration : Le modèle a atteint des intervalles prédictifs bien calibrés, avec une couverture de 90 % (Cov90) proche du niveau nominal (par exemple, 89,0 % sur les données synthétiques, 92,9 % sur XAU/USD, 85,3 % sur NDBC). En revanche, de nombreux modèles de référence ont montré une sous- ou sur-couverture significative.
Précision Ponctuelle : Le modèle est resté compétitif en termes d'erreur absolue moyenne (MAE) et d'erreur quadratique moyenne (RMSE), correspondant souvent ou améliorant légèrement les prédicteurs ponctuels de l'état de l'art.
Récupération Latente : Dans des études de cas synthétiques et qualitatives, le filtre inféré a suivi avec succès les changements d'état latent et a réagi aux changements de régime (par exemple, les inversions de tendance dans les prix de l'or), démontrant l'extraction d'une structure latente interprétable.

Importance et Revendications

L'article revendique que Deep ZakaiJ comble le fossé entre le filtrage stochastique fondé sur des principes et l'apprentissage profond moderne. En intégrant directement l'équation de Zakai dans une architecture neuronale, le modèle :

Permet une inférence structurée pour les systèmes partiellement observés avec sauts, une capacité absente des modèles de sauts neuronaux actuels.
Fournit des représentations latentes interprétables qui séparent les dynamiques continues des chocs discrets.
Offre une quantification supérieure de l'incertitude, produisant des intervalles prédictifs calibrés même lors de changements structurels où d'autres modèles échouent.

Les auteurs positionnent ce travail comme une étape vers des prévisions de séries temporelles plus robustes dans des environnements caractérisés par des régimes latents et des discontinuités abruptes, tels que la gestion des risques financiers et les systèmes d'alerte précoce environnementaux. Ils reconnaissent les limites, notant que la formulation actuelle est univariée et repose sur une grille latente fixe, suggérant un travail futur sur des représentations de haute dimension et adaptatives.